基于XGBoost的光纤监测矿压时序预测研究-论文

【文件属性】：
文件名称：基于XGBoost的光纤监测矿压时序预测研究-论文
文件大小：376KB
文件格式：PDF
更新时间：2021-07-07 21:42:32
​相空间重构 分布式光纤 XGBoost SVM BPNN 为掌握矿山压力显现规律，针对岩石内部变形预测难的问题，采用XGBoost算法和分布式光纤技术相结合的方法，基于相似材料模型试验，制作三维立体模型，并在模型内部预埋3根垂直光纤，模拟工作面开采。引入光纤平均频移变化度作为判断周期来压指标，构建矿压监测数据的相空间，采用XGBoost方法建立矿山压力显现规律时间序列预测模型。同时，在训练样本和测试样本不变的前提下，建立BP神经网络回归模型(BPNN)、支持向量机回归模型(SVM)，并与XGBoost回归模型(XGBR)预测结果进行对比分析。试验结果表明，BPNN模型易产生“过拟合”现象，SVM计算速度缓慢且依赖于超参数的选择，XGBoost的计算速度和预测精度均优于其他模型。